Các điều kiện của kiểm định KMO và Bartlett’s Test biến phụ thuộc tương tự như các điều kiện kiểm định của biến độc lập. Sau khi tiến hành phân tích sự hài lòng của khách hàng về chất lượng dịch vụ chăm sóc khách hàng của Công ty Nội thất Woodpark qua 3 biến quan sát, kết quả nhận được cho thấy, chỉ số KMO = 0.720 (lớn hơn 0.5) và kiểm định Bartlett’s Test cho giá trị Sig. = 0.000 (nhỏ hơn 0.05) nên dữ liệu thu thập được thỏa mãn điều kiện để tiến hành phân tích các nhân tố.
2.2.4.4. Phân tích nhân tố khám phá EFA biến phụ thuộc
Bảng 2.13. Rút trích nhân tố biến phụ thuộc
Hệ số tải nhân tố (Factor Loading) | |
SUHAILONG2 | 0.876 |
SUHAILONG1 | 0.861 |
SUHAILONG3 | 0.851 |
Hệ số Eigenvalue | 2.233 |
Phương sai tích lũy tiến (%) | 74.434 |
Có thể bạn quan tâm!
-
Đánh Giá Chất Lượng Dịch Vụ Chăm Sóc Khách Hàng Của Công Ty Tnhh Mtv Nội Thất Woodpark Huế. -
Cơ Cấu Lao Động Của Công Ty Tnhh Mtv Nội Thất Woodpark Năm 2018 Và Năm 2019 -
Đánh Giá Của Khách Hàng Về Thái Độ Phục Vụ Của Nhân Viên Công Ty Nội Thất Woodpark -
Biểu Đồ Tần Số Histogram Của Phần Dư Chuẩn Hóa -
Đánh Giá Của Khách Hàng Đối Với Nhóm “Sự Hài Lòng” -
Nhóm Giải Pháp Cải Thiện Nhân Tố “Mức Độ Đáp Ứng”
Xem toàn bộ 163 trang tài liệu này.
(Nguồn: Kết quả điều tra và xử lý của Tác giả năm 2020) Kết quả phân tích nhân tố khám phá rút trích ra được một nhân tố gồm 3 biến quan sát đều có hệ số tải nhân tố (Factor Loading) > 0.5, tổng phương sai trích = 74.434% > 50% và hệ số Eigenvalue = 2.233 > 1 (thỏa mãn điều kiện) nên được giữ lại nhằm mục đích rút ra kết luận về chất lượng dịch vụ chăm sóc khách hàng tại Công
ty Nội thất Woodpark. Nhân tố này được gọi là “Sự hài lòng”.
Nhận xét:
Sau khi thực hiên phân tích nhân tố khám phá EFA, nghiên cứu đã xác định được 5 nhân tố ảnh hưởng đến sự hài lòng về chất lượng dịch vụ chăm sóc khách hàng của Công ty Nội thất Woodpark, đó là:
- Mức đô tin cậy;
- Mức độ đáp ứng;
- Mức độ đảm bảo;
- Mức độ đồng cảm;
- Phương tiện hữu hình.
Như vậy, sau khi phân tích nhân tố khám phá EFA, mô hình nghiên cứu vẫn được giữ nguyên như ban đầu, không có biến quan sát nào bị loại khỏi mô hình trong quá trình kiểm định độ tin cậy thang đo và phân tích nhân tố khám phá.
2.2.5. Kiểm định độ tin cậy của thang đo sau phân tích nhân tố khám phá EFA
Sau khi phân tích nhân tố khám phá EFA theo phương pháp rút trích các nhân tố chính (Principal Components), nghiên cứu tiến hành kiểm định lại độ tin cậy thang đo nhằm đảm bảo các nhân tố thu được đều có ý nghĩa cho các bước phân tích tiếp theo.
Bảng 2.14. Kiểm định độ tin cậy thang đo các biến độc lập và biến phụ thuộc
Hệ số Cronbach’s Alpha | |
Biến độc lập | |
Mức độ tin cậy | 0.798 |
Mức độ đáp ứng | 0.752 |
Mức độ đảm bảo | 0.764 |
Mức độ đồng cảm | 0.751 |
Phương tiện hữu hình | 0.773 |
Biến phụ thuộc | |
Sự hài lòng | 0.817 |
(Nguồn: Kết quả điều tra và xử lý của Tác giả năm 2020)
Qua bảng kết quả có thể thấy, các nhân tố mới đều có hệ số Cronbach’s Alpha khá cao (lớn hơn 0.7). Sau khi phân tích nhân tố khám phá EFA, mô hình nghiên cứu được giữ nguyên như ban đầu nên hệ số Cronbach’s Alpha của các biến cũng không thay đổi. Vì vậy có thể kết luận rằng các nhân tố này đều đảm bảo độ tin cậy và có ý nghĩa trong các phân tích tiếp theo.
2.2.6. Kiểm định phân phối chuẩn
Trong nghiên cứu này, đề tài sử dụng kiểm định Kolmogorov-Smirnov để kiểm
định phân phối chuẩn của bộ dữ liệu. Kết quả nhận được như sau:
Bảng 2.15. Kiểm định Kolmogorov-Smirnov
SUHAIL ONG | TINC AY | DAPU NG | DAMB AO | DONGC AM | HUUHI NH | ||
N | 130 | 130 | 130 | 130 | 130 | 130 | |
Normal Paramet ersa | Mean | 4.1767 | 3.8446 | 3.9869 | 3.9236 | 4.0442 | 4.0558 |
Std. Deviat ion | 0.53534 | 0.5177 6 | 0.56270 | 0.55002 | 0.51571 | 0.52298 | |
Most Extreme Differen ces | Absolu te | 0.160 | 0.104 | 0.132 | 0.108 | 0.194 | 0.105 |
Positiv e | 0.160 | 0.104 | 0.074 | 0.092 | 0.081 | 0.105 | |
Negati ve | -0.143 | -0.092 | -0.132 | -0.108 | -0.194 | -0.099 | |
Kolmogorov- Smirnov Z | 1.825 | 1.181 | 1.509 | 1.233 | 2.206 | 1.200 | |
Asymp. Sig. (2- tailed) | 0.003 | 0.123 | 0.021 | 0.096 | 0.000 | 0.112 | |
Với giả thuyết H0 là có phân phối chuẩn, H1 là không có phân phối chuẩn, kết quả kiểm định Kolmogorov-Smirnov cho thấy: các biến “SUHAILONG”, “DAPUNG” và “DONGCAM” có giá trị Asymp. Sig. (2-tailed) bé hơn 0.05, bác bỏ giả thuyết H0. Như vậy có thể kết luận rằng những biến này không có phân phối chuẩn. Các biến “TINCAY”, “DAMBAO”, và “HUUHINH” có giá trị Asymp. Sig. (2-tailed) lớn hơn 0.05, chấp nhận giả thuyết H0, nên các biến này có phân phối chuẩn.
2.2.7. Kiểm định sự phù hợp của mô hình
2.2.7.1. Kiểm định mối tương quan giữa biến độc lập và biến phụ thuộc
Bảng 2.16. Phân tích tương quan Pearson
TC | DU | DB | DC | HH | SHL | ||
SHL | Tương quan pearson | 0.518 | 0.606 | 0.635 | 0.568 | 0.375 | 1 |
Sig. (2-tailed) | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | ||
N | 130 | 130 | 130 | 130 | 130 | 130 |
(Nguồn: Kết quả điều tra và xử lý của Tác giả năm 2020) Qua kết quả kiểm định mối tương quan giữa biến độc lập và biến phụ thuộc, ta thấy: Giá trị Sig. (2-tailed) của các nhân tố đều có mức ý nghĩa nhỏ hơn 0.05, chứng tỏ rằng các biến độc lập có mối quan hệ tương quan tuyến tính với biến phụ thuộc. Dựa vào hệ số tương quan pearson, ta có thể thấy mức độ tương quan giữa biến độc lập với biến phụ thuộc. Trong đó, biến DB có tương quan chặt chẽ nhất với biến phụ thuộc (pearson = 0.635), tiếp theo là biến DU (0.606), DC (0.568), TC (0.518) và thấp nhất là biến HH (0.375). Như vậy, các biến độc lập đều có ý nghĩa và có thể đưa vào mô
hình hồi quy để giải thích cho biến “Sự hài lòng” trong bước tiếp theo.
2.2.7.2. Xây dựng mô hình hồi quy
Sau khi đã xác định được các nhân tố mới có tác động đến biến phụ thuộc “Sự hài lòng”, nghiên cứu tiến hành xây dựng và phân tích mô hình hồi quy tuyến tính nhằm xác định được chiều hướng và mức độ tác động của các nhân tố mới đó đối với biến phụ thuộc.
Mô hình hồi quy tuyến tính gồm biến phụ thuộc “Sự hài lòng” (SHL) và 5 biến độc lập được rút trích từ phân tích nhân tố khám phá EFA đó là: “Mức độ tin cậy” (TC), “Mức độ đảm bảo” (DB), “Mức độ đáp ứng” (DU), “Mức độ đồng cảm” (DC), “Phương tiện hữu hình” (HH) tương ứng với các hệ số Bê-ta lần lượt là 
1, 
2, 
3, 
4, 
5.
Mô hình hồi quy có dạng như sau:
SHL = 
0 + 
1TC + 
2DB + 
3DU + 
4DC + 
5HH + 
i
Dựa vào hệ sô Bê-ta chuẩn hóa với mức ý nghĩa Sig. tương ứng để xác định các biến độc lập nào có tác động đến biến phụ thuộc trong mô hình và tác động với mức độ ra sao, theo chiều hướng nào. Từ đó, làm căn cứ để kết luận chính xác hơn và đưa ra giải pháp mang tính thuyết phục cao hơn.
2.2.7.3. Phân tích hồi quy
Trong giai đoạn phân tích hồi quy, nghiên cứu chọn phương pháp Enter, chọn lọc dựa trên tiêu chí chọn những nhân tố có mức ý nghĩa Sig. < 0.05. những nhân tố nào có giá trị Sig. > 0.05 sẽ bị loại khỏi mô hình và không tiếp tục nghiên cứu nhân tố đó.
Kết quả phân tích hồi quy được thể hiện rò qua bảng sau:
Bảng 2.17. Hệ số phân tích hồi quy
Hệ số chưa chuẩn hóa | Hệ số chuẩn hóa | T | Sig. | VIF | ||
B | Độ lệch chuẩn | Beta | ||||
Hằng số | 0.072 | 0.326 | 0.222 | 0.825 | ||
TC | 0.032 | 0.084 | 0.031 | 0.378 | 0.706 | 2.047 |
DU | 0.266 | 0.079 | 0.279 | 3.375 | 0.001 | 2.129 |
DB | 0.358 | 0.065 | 0.368 | 5.521 | 0.000 | 1.384 |
DC | 0.250 | 0.070 | 0.240 | 3.574 | 0.001 | 1.409 |
HH | 0.125 | 0.062 | 0.122 | 2.012 | 0.046 | 1.149 |
(Nguồn: Kết quả điều tra và xử lý của Tác giả năm 2020)
Căn cứ vào kết quả phân tích hồi quy trong bảng trên, các biến độc lập như “Mức độ đáp ứng”, “Mức độ đảm bảo”, “Mức độ đồng cảm”, và “Phương tiện hữu hình” là những biến có giá trị Sig. < 0.05 chứng tỏ các biến độc lập này có ý nghĩa thống kê trong mô hình, nên được đưa vào mô hình. Đối với biến độc lập “Mức độ tin cậy” có giá trị Sig. = 0.706 > 0.05 nên bị loại khỏi mô hình hồi quy. Đồng thời, hằng số trong mô hình cũng có giá trị Sig. = 0.825 > 0.05 nên bị loại khỏi mô hình.
Tuy nhiên, xét về ý nghĩa thực tiễn, biến “Mức độ tin cậy” lại có tác động rất lớn đến chất lượng dịch vụ chăm sóc khách hàng. Đặc biệt, đối với lĩnh vực thiết kế và thi công nội thất thì giá cả của sản phẩm, dịch vụ rất cao, nên sự tin tưởng là điều quyết định tất cả. Trong lĩnh vực này, sự cung cấp đúng dịch vụ như đã cam kết với khách hàng, hạn chế xảy ra sai sót là vấn đề quan trọng hàng đầu. nó thể hiện sự chuyên nghiệp và chất lượng dịch vụ chăm sóc khách hàng của công ty cao. Từ đó đem lại sự tin tưởng và hài lòng cho khách hàng. Từ những lý luận trên, nghiên cứu quyết định vẫn đưa biến “Mức độ tin cậy” vào phương trình hồi quy.
Như vậy, phương trình hồi quy được xác định như sau:
SHL = 0.031TC + 0.368DB + 0.279DU + 0.240DC + 0.122HH + ei
Có thể giải thích ý nghĩa của các hệ số bê-ta như sau:
Theo phương trình hồi quy ta có, hệ số 
1 = 0.031 có nghĩa là khi biến “Mức độ tin cậy” thay đổi 1 đơn vị thì biến “Sự hài lòng” sẽ biến động cùng chiều 0.031 đơn vị (trong điều kiện các biến khác giữ nguyên). Tương tự, trong điều kiện các biến còn lại không đổi, biến “Mức độ đảm bảo” thay đổi 1 đơn vị thì biến “Sự hài lòng” sẽ biến động cùng chiều với biến “Mức độ đảm bảo” 0.368 đơn vị, nếu biến “Mức độ đáp ứng” thay đổi 1 đơn vị thì biến “Sự hài lòng” sẽ biến động cùng chiều 0.279 đơn vị; nếu biến “Mức độ đồng cảm” thay đổi 1 đơn vị thì biến “Sự hài lòng” sẽ biến động cùng chiều 0.240 đơn vị; và nếu biến “Phương tiện hữu hình” thay đổi 1 đơn vị thì biến “Sự hài lòng” sẽ biến động cùng chiều 0.122 đơn vị.
Dựa vào phương trình, có thể thấy cả 5 biến độc lập đều tác động thuận chiều đến biến phụ thuộc, nghĩa là khi những nhân tố này được Công ty Nội thất Woodpark ngày càng chú trọng và nâng cao thì sẽ góp phần làm nâng cao sự hài lòng của khách hàng về chất lượng dịch vụ chăm sóc khách hàng của Công ty trên địa bàn Thành phố Huế.
2.2.7.4. Đánh giá độ phù hợp của mô hình
Bảng 2.18. Đánh giá sự phù hợp của mô hình
R | R2 | R2 hiệu chỉnh | Sai số chuẩn ước lượng | Hệ số Durbin- Watson | |
1 | 0.776a | 0.601 | 0.585 | 0.34472 | 1.821 |
(Nguồn: Kết quả điều tra và xử lý của Tác giả năm 2020)
Sau khi thực hiện đánh giá độ phù hợp của mô hình, kết quả nhân được là mô hình có hệ số R bình phương hiệu chỉnh = 0.585 > 0.5 (thỏa mãn điều kiện), tức là độ phù hợp của mô hình là 58.5% . Hay nói cách khác, 58.5% độ biến thiến của biến phụ thuộc “Sự hài lòng” được giải thích bởi 5 yếu tố được đưa vào mô hình, đó là: “Mức độ đảm bảo”, “Mức độ đáp ứng”, “Mức độ đồng cảm”, “Phương tiện hữu hình” và “Mức độ tin cậy”, 41.5% còn lại là ảnh hưởng của sai số tự nhiên và biến ngoài mô hình. Vì R bình phương hiệu chỉnh là 0.585 > 0.5 nên có thể kết luận mô hình là phù hợp và có ý nghĩa.
2.2.7.5. Kiểm định sự phù hợp của mô hình
Bảng 2.19. Kiểm định ANOVA
Mô hình | Tổng bình phương | Df | Bình phương trung bình | F | Mức ý nghĩa (Sig.) | |
1 | Hồi quy | 22.235 | 5 | 4.447 | 37.422 | 0.000b |
Còn lại | 14.735 | 124 | 0.119 | |||
Tổng | 36.970 | 129 | ||||
(Nguồn: Kết quả điều tra và xử lý của Tác giả năm 2020)
Kết quả từ bảng ANOVA cho thấy giá trị F = 37.422 với Sig. của kiểm định F =
0.000 < 0.05, cho phép nghiên cứu có thể kết luận rằng R bình phương của tổng thể khác 0. Như vậy, mô hình hồi quy tuyến tính có thể suy rộng và áp dụng cho tổng thể.
2.2.8. Xem xét sự tương quan
Trị số Durbin – Watson (DW) là đại lượng có chức năng kiểm tra hiện tượng tự tương quan chuỗi bậc nhất. Kết quả phân tích hồi quy cho thấy, giá trị Durbin – Watson = 1.821 (gần bằng 2). Như vậy, có thể kết luận rằng tương quan của các sai số kề nhau không xảy ra, tức là mô hình không xảy ra hiện tượng tự tương quan.
2.2.9. Xem xét đa cộng tuyến
Trong phân tích hồi quy đa biến, hệ số phóng đại phương sai VIF ( Variance Inflation Factor) được dùng để kiểm tra hiện tượng đa cộng tuyến. Nếu VIF > 10 thì xảy ra hiện tượng đa cộng tuyến (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Từ kết quả phân tích hồi quy cho thấy, giá trị VIF của mô hình nhỏ (trên dưới giá trị 2) nên nghiên cứu có thể kết luận rằng mô hình hồi quy không có hiện tượng đa cộng biến giữa các biến độc lập.
2.2.10. Kiểm định phân phối chuẩn phần dư
Một số lý do có thể làm cho phần dư không tuân theo phân phối chuẩn là: Sử dụng sai mô hình, phương sai không phải hằng số, số lượng các phần dư không đủ nhiều để phân tích,… Vì vậy, nghiên cứu phải tiến hành kiểm định phân phối chuẩn phần dư nhằm xem xét sự phù hợp của mô hình. Một phương pháp đơn giản nhất là xây dựng biểu đồ tần số của các phần dư Histogram.